Η τεχνητή νοημοσύνη βοηθά τους μικρορομπότ να μάθουν να κολυμπούν και να πλοηγούν

Μια ομάδα ερευνητών από το Πανεπιστήμιο της Σάντα Κλάρα, το Ινστιτούτο Τεχνολογίας του Νιου Τζέρσεϊ και το Πανεπιστήμιο του Χονγκ Κονγκ έχουν χρησιμοποιήσει με επιτυχία τη βαθιά ενισχυτική μάθηση για να διδάξουν τους μικρορομπότ να κολυμπούν. Η νέα ανάπτυξη είναι ένα σημαντικό βήμα προς τα εμπρός στις ικανότητες μικροκολύμβησης.

Οι εμπειρογνώμονες έχουν επικεντρωθεί συνεχώς στην δημιουργία τεχνητών μικροκολυμβητών που μπορούν να πλοηγηθούν παρόμοια με τα φυσικά κολυμβητικά μικροοργανισμοί, όπως τα βακτήρια. Αυτοί οι μικροκολυμβητές θα μπορούσαν να χρησιμοποιηθούν για eine ποικιλία ιατρικών εφαρμογών στο μέλλον, όπως η στοχευμένη παράδοση φαρμάκων και η μικροχειρουργική. Ακόμη και με τον ενθουσιασμό για την ανάπτυξη, οι περισσότεροι από τους σημερινούς τεχνητούς μικροκολυμβητές μπορούν να εκτελέσουν μόνο απλές манεβρες με σταθερές κινητικές οδούς.

Η νέα μελέτη δημοσιεύθηκε στο Communications Physics.

Διδάσκοντας τους Μικροκολυμβητές με Τεχνητή Νοημοσύνη

Στη μελέτη, η ομάδα κατέληξε στο συμπέρασμα ότι η τεχνητή νοημοσύνη θα μπορούσε να διδάξει τους μικροκολυμβητές να προσαρμοστούν σε μεταβαλλόμενες συνθήκες. Οι μικροκολυμβητές, παρόμοια με τους ανθρώπους, απαιτούν ενισχυτική μάθηση και ανάδραση για να μάθουν να κολυμπούν, αλλά έχουν ένα μοναδικό σύνολο προκλήσεων.

Ο On Shun Pak είναι αναπληρωτής καθηγητής μηχανικής στο Πανεπιστήμιο της Σάντα Κλάρα.

“Το να κολυμπήσεις στο μικροσκοπικό επίπεδο από μόνο του είναι μια δύσκολη εργασία”, είπε ο On Shun Pak. “Όταν θέλεις ένας μικροκολυμβητής να εκτελέσει πιο σύνθετες манεβρες, ο σχεδιασμός των κινητικών οδών του μπορεί να γίνει γρήγορα αδιανόητος.”

Συνδυάζοντας τα ΑΝΝ και την Ενισχυτική Μάθηση

Η ομάδα συνδύασε τα τεχνητά νευρωνικά δίκτυα (ΑΝΝ) και την ενισχυτική μάθηση για να διδάξει επιτυχώς έναν απλό μικροκολυμβητή να κολυμπήσει και να πλοηγηθεί προς μια αυθαίρετη κατεύθυνση. Ο μικροκολυμβητής λαμβάνει ανάδραση για τις συγκεκριμένες ενέργειές του, τις οποίες στη συνέχεια χρησιμοποιεί για να μάθει προοδευτικά πώς να κολυμπήσει με βάση την εμπειρία του με το περιβάλλον.

Ο Alan Tsang είναι αναπληρωτής καθηγητής μηχανικής στο Πανεπιστήμιο του Χονγκ Κονγκ.

“Παρόμοια με τον άνθρωπο που μαθαίνει να κολυμπήσει, ο μικροκολυμβητής μαθαίνει πώς να κινεί τα ‘μέρη του σώματός του’ — σε αυτή την περίπτωση τρία μικροσωματίδια και εκτενείς συνδέσεις — για να αυτοπροωθήσει και να στρέψει”, είπε ο Tsang. “Το κάνει αυτό χωρίς να βασίζεται στη γνώση του ανθρώπου, αλλά μόνο σε einen αλγόριθμο μηχανικής μάθησης.”

Ο μικροκολυμβητής που τροφοδοτείται από την τεχνητή νοημοσύνη μπορεί να αλλάξει μεταξύ διαφορετικών κινητικών οδών προσαρμοστικά, το οποίο του επιτρέπει να πλοηγηθεί προς οποιαδήποτε στόχο θέση με δική του πρωτοβουλία.

Οι ερευνητές επέδειξαν τη δύναμη του μικροκολυμβητή ermöglichtοντας του να ακολουθήσει một σύνθετο μονοπάτι χωρίς να έχει προγραμματιστεί ρητά.

Ο Yuan-nan Young είναι καθηγητής μαθηματικών επιστημών στο Ινστιτούτο Τεχνολογίας του Νιου Τζέρσεϊ.

“Αυτός είναι ο πρώτος μας βήμας στην αντιμετώπιση της πρόκλησης της ανάπτυξης μικροκολυμβητών που μπορούν να προσαρμοστούν όπως τα βιολογικά κύτταρα στην πλοήγηση σύνθετων περιβαλλόντων αυτόνομα”, είπε ο Yuan-nan Young.

Οι προσαρμοστικές συμπεριφορές όπως αυτές είναι αυτές που υπόσχονται τόσο πολλά για ιατρικές εφαρμογές.

Ο Arnold Mathijssen είναι εμπειρογνώμων σε μικρορομπότ και βιοφυσική στο Πανεπιστήμιο της Πενσυλβάνια. Δεν ήταν εμπλεγμένος στην έρευνα.

“Αυτή η εργασία είναι ένα κλειδί παράδειγμα του πώς η ταχεία ανάπτυξη της τεχνητής νοημοσύνης μπορεί να εκμεταλλευτεί για την αντιμετώπιση των ανεπίλυτων προκλήσεων στα προβλήματα κίνησης στη ρευστοδυναμική”, είπε ο Mathijssen. “Η ενσωμάτωση μεταξύ της μηχανικής μάθησης και των μικροκολυμβητών σε αυτή την εργασία θα σπαρξει περαιτέρω συνδέσεις μεταξύ αυτών των δύο πολύ ενεργών ερευνητικών περιοχών.”